人形机器人强化学习运动控制技术观察：AMP、BFM与世界模型的分工

文章对人形机器人人形机器人外形模仿人类、有头有手有腿的机器人。最大优势是能直接使用为人类世界设计的工具和空间——楼梯、门把手、工厂工位都不在话下。◆ 小白科普 · 现身强化学习强化学习一种 AI 训练方法：让机器人在亿万次「试错」中自己摸索，做对了就给奖励。机器人走稳路、跑酷空翻，大多是这么练出来的。◆ 小白科普 · 现身运动控制运动控制让机器人的身体按想法精准动起来、并保持平衡的技术，相当于人类的「小脑」。◆ 小白科普 · 现身技术栈进行梳理，指出当前路线趋于收敛，主要分为AMP与BFM两大范式。AMP范式侧重让机器人运动自然、稳定，已在视觉多地形等场景扩展。BFM范式则将全身行为能力抽象为可提示、可组合、可调用的行为基座，如BFM-Zero、BFM-2等，其中智元机器人BFM-2展现出强抗干扰能力。世界模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身并非替代底层运控，而是负责预测与调度，例如MotionWAM通过视频世界模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身将动态先验接入动作生成，HAIC则采用动力学感知模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身处理接触与复杂地形。文章认为，上层任务日趋复杂，但实机效果仍取决于底层运动控制的精细与稳定。